刘博
- 作品数：10 被引量：30H指数：4
- 供职机构：中国民航大学空中交通管理学院更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金更多>>
- 相关领域：航空宇航科学技术文化科学语言文字自动化与计算机技术更多>>
- 模拟机训练中无线电陆空通话防差错探究
- 2020年
- 模拟机训练是学生接触并使用陆空通话的第一步,通过统计陆空通话的差错类别、差错原因等,评估三大管制模拟机训练中学生的差错分布,为日后学生模拟机培训以及一线陆空通话教学提供支持,有所侧重地提高学生的陆空通话水平,减轻后续单位培训压力。
- 赵璐刘博
- 关键词：陆空通话教学建议
- 基于MOOCs的翻转课堂模式在交通运输专业英语教学中的应用被引量：5
- 2018年
- 近几年,在线网络教育迅速发展,MOOCs给传统教育带来了猛烈的冲击。本文探讨基于MOOCs+翻转课堂的混合教学模式在交通运输专业英语教学中的新路径。首先阐述了MOOCs和翻转课堂的相关理论基础,然后基于2013级和2015级的实验样本,对比分析了传统教学方式和混合教学模式对教学产生的不同影响。结果表明,混合模式教学方法在一定程度上可以提高学生对知识点的掌握程度。
- 刘博
- 基于OBE+SPOC理论的管制员英语课程体系改革与探索被引量：6
- 2021年
- 本文探索了基于OBE+SPOC教学模式在管制员英语课程体系改革中的新路径。首先阐述了OBE+SPOC相关理论基础,然后对比分析了管制员英语4级和5级熟练度要求6个指标异同,提出了以管制员英语熟练度6个评价指标为划分依据,将课程群划分为初级、中级、高级及3个目标层的课程群体系,最后从教学资源组织、教学模式改革、多元化目标等3个维度进行分析,优化管制员英语课程体系。
- 刘博赵璐赵德斌
- 关键词：课程体系
- 基于SMOTE算法和条件生成对抗网络的到港航班延误分类预测被引量：5
- 2021年
- 由于航班延误数据集类别分布不均,传统分类器的性能受到一定程度的制约。为了能够对到港航班延误情况进行精准预测,提出了一种基于合成少数类过采样技术(synthetic minority oversampling technique,SMOTE)算法和条件生成对抗网络(conditional generative adversarial nets,CGAN)的航班延误预测模型。首先,利用SMOTE算法对原始数据集进行上采样,并融合经过训练的CGAN生成指定样本数据集,缓解原始数据集中某些类别样本量少和数据非平衡等问题;再次,采用XGBoost模型在4种模式训练集上进行训练和超参数寻优;最后,以K近邻、支持向量机和随机森林为基准模型进行性能对比分析。经试验分析,通过分类器在融合样本集的训练,整体上可以在一定程度上提高模型的泛化性,尤其在轻度延误和中度延误类别中提升较为明显,与不采用融合方法比较,宏平均下的Precision、Recall、F_(1)-score值分别提升了0.16、0.29、0.24个百分点。实验结果表明,该方法能够有效地对航班延误非平衡数据进行建模,在保持模型整体性能较高的前提下,能够显著地提升少数类的预测能力,可以为空管、航空公司和机场等提供决策依据。
- 刘博卢婷婷张兆宁张健斌
- 关键词：航班延误非平衡数据集
- 基于注意力Seq2Seq模型的终端区航空器航迹预测
- 2024年
- 为充分挖掘机场终端区航空器航迹时间依赖性,解决中长期、多步长航迹预测精度不稳定的问题,引入注意力机制(attention mechanism)和教师监督(teacher forcing)中的指数衰减(exponential decay)采样方法,提出了一种基于序列到序列框架的机场终端区航迹预测模型(Seq2Seq-attention mechanism-exponential decay,SAE)。序列到序列框架实现了多步长预测,注意力机制提高解码器预测精度,指数衰减采样方法加速了训练阶段模型收敛,在一定程度上提高了模型的泛化性。最后,为了验证提出方法的有效性,利用天津终端区28架次、90 d ADS-B航迹数据构建原始数据集,以平均绝对误差(mean squared error,MAE)和均方根误差(root mean squared error,RMSE)作为模型性能评价指标,进行了航迹预测实验,实验结果表明:高度、经度和纬度在序列到序列框架中的循环神经网络分别采用LSTM、GRU和LSTM可以获得最好预测性能;以4种预测长度1、3、5和10 min进行建模,与基线模型中预测性能最好的结果比较,所提出方法在验证集上的高度、经度和纬度指标表现最优,10 min预测窗口下的平均绝对误差分别降低了66.30%、54.62%和36.59%,均方根误差分别降低了65.45%、38.16%和20.57%,同时,上述4种预测时长下所提出方法预测结果的均值和方差最小,表明随着预测时长的增加,模型预测结果的稳定性最好。此外,引入的注意力机制与指数衰减采样方法对有效捕捉航迹时间依赖性、提高模型泛化性均具有积极的贡献。
- 卢婷婷刘博李纯柱
- 关键词：航空运输终端区
- 面向非平衡数据集的随机森林算法对学生学业问题的预测分析被引量：2
- 2019年
- 由于数据集里类别分布不均,传统随机森林(Random Forest)分类器的性能受到一定程度制约,面对学业数据集中成绩较差人数占少数比例的非平衡性问题,为了在一定程度提高模型预测性能,提出SMOTEENN混合采样方式结合随机森林分类器的组合分类预测模型的方法(SER)对学生学业表现进行分类;同时基于10种非平衡性数据集采样方法,对比分析了包括随机森林在内的5种模型的性能.实验结果表明,使用SER方法对学生学业表现情况预测最优,分类器性能指标F1-Score和Recall的值分别为0.98和0.97,达到了预期目的.
- 刘博卢婷婷陈国磊赵璐
- 关键词：非平衡数据集混合采样
- 疫情背景下交通运输专业英语双线教学模式初探--以中国民航大学为例被引量：2
- 2022年
- 该研究以交通运输专业英语课程为例,探讨疫情背景下开展线上线下双线教学模式改革和翻转课堂等混合式教学方法尝试,对构建灵活柔性的新型教学模式提出建议。作者以交通运输专业英语课程为对象,制订线上线下翻转课堂授课方案,在开课前期和结课后对108名大二本科生进行问卷调查,根据调查结果分析课程存在的主要问题和课程效果满意度。结果显示有82.5%的学生对双线教学整体效果感到满意,分别有20.1%和2.6%的学生感到一般和不满意,这说明绝大部分学生对双线教学效果认可,但双线教学还需要进一步改进和完善。
- 赵璐刘博李学明
- 关键词：专业英语问卷调查
- 基于时间序列数据挖掘的我国民航运输量预测分析被引量：4
- 2019年
- 为了精准预测我国民航运输量,基于1985-2017年我国民航运输量随机时间序列数据,运用自回归单整移动平均模型(ARIMA),借助Eviews8.0统计软件,建立预测模型。利用静态预测功能,实现了2015-2019年的点预测,整体拟合度良好,相对误差小,相对误差位于0.1%-0.9%之间,证明该模型是可行的。结果表明,ARIMA模型能够短期准确预测民航运输量,为航空公司、机场、空管等部门可持续发展提供决策依据。
- 刘博赵璐单曲轶
- 关键词：时间序列数据
